引文分析法共詞分析法淺析-文庫吧
2025-07-31 21:34 本頁面
【正文】 的數(shù)據(jù)可以采用；還有研究顯示期刊自引與自引率與影響因子的負(fù)相關(guān)性。 共引（ cocitation） 就是兩篇文獻(xiàn)同時(shí)被其他文獻(xiàn)引用。一般認(rèn)為同被引用的文獻(xiàn)在主題上具有或多或少的相似性 , 因此同被引次數(shù)即共引強(qiáng)度可以測(cè)度文獻(xiàn)在內(nèi)容方面的相關(guān)度。由此 , 通過一組文獻(xiàn)之間的共引關(guān)系可以形成共引網(wǎng)絡(luò) , 該網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)之間的遠(yuǎn)近便可以反映它們主題內(nèi)容的親疏關(guān)系。 共引分析方法始于 small于 1973年提出的以文獻(xiàn)為單位的共引分析 , 但共引概念可以推廣到與文獻(xiàn)相關(guān)的各種特征對(duì)象上 , 形成各種類型的共引概念 ,如 詞的共引、文獻(xiàn)共引、著者共引、期刊共引、主題共引和類的共引 等。 共引的意義 自 1973 年被提出以來，共引分析已成為引文分析里面一種潛在多產(chǎn)的分析方法， 它不僅可以用來揭示科學(xué)結(jié)構(gòu)的發(fā)展現(xiàn)狀乃至變化情況， 還可以用來進(jìn)行前沿分析、領(lǐng)域分析、科研評(píng)價(jià)等 ，進(jìn)而為宏觀科技決策提供先行支持， 為科技規(guī)劃與評(píng)估提供基礎(chǔ) 。 共引分析的一般過程 共引分析方法的一般過程可以概括為分析領(lǐng)域的確定分析對(duì)象的選擇及共引矩陣的形成共引數(shù)據(jù)的處理聚類分析和多維標(biāo)度結(jié)果分析和解釋。方法的演進(jìn)過程以分析過程中分析對(duì)象的選擇和聚類方法中的參數(shù)修正為主。 選擇對(duì)象 搜索數(shù)據(jù) 構(gòu)建 矩陣 聚類分析 /多維尺度分析 /計(jì)算戰(zhàn)略坐標(biāo) 分析結(jié)果 幾乎國內(nèi)外所有學(xué)者都是按照統(tǒng)一的方法模式來進(jìn)行共被引分析，即第一步構(gòu)造共被引矩陣；第二步將該矩陣轉(zhuǎn)化為相似系數(shù)矩陣，方法大多為皮爾遜相關(guān)系數(shù)法 (Pearson’S Correlation Coeficient)；第三步是進(jìn)行聚類 (Cluster)和多維尺度分析 (MDS)。這基本是大家默認(rèn)的方法，在我國許多相關(guān)教材和相關(guān)論文中也多是采用這樣的方法。 從 2022年開始，在科學(xué)計(jì)量學(xué)學(xué)者之間又引發(fā)了關(guān)于共被引分析方法的討論。焦點(diǎn)主要集中在對(duì)皮爾遜相關(guān)系數(shù) 是否適合應(yīng)用到共被引分析這一問題，及共被引矩陣 對(duì)角線 如何取值這一問題的討論。 McCain將其定為：默認(rèn)值，這也是影響最廣泛的一種對(duì)角線確定方法； Ahlgren等認(rèn)為應(yīng)該使用自己與自己實(shí)際共被引次數(shù)； White則建議使用最大值來確定對(duì)角線的值。邱均平等認(rèn)為根據(jù)共被引原理來看，從臨近矩陣的定義來看， Wh ite的建議則更正確。共被引矩陣本來就是考察各對(duì)象之間親疏關(guān)系的臨近矩陣，只不過研究的目標(biāo)選定了有特殊意義的作者、論文、期刊、學(xué)科等而已。從這點(diǎn)出發(fā)，我們自然而然的認(rèn)為自己和自己的關(guān)系最親近，所以應(yīng)該是該作者與其他作者共被引頻次中最高的。表達(dá)方式可以是最大值。但我們認(rèn)為為了突出自己與自己的親密關(guān)系，可以用最大值 +l來凸顯。所以我們大體傾向于 White的提法，但可做適當(dāng)?shù)恼{(diào)整。 Pearson’ s只是一種測(cè)度變量相似性的方法，是為了更好地發(fā)現(xiàn)變量之間的關(guān)系，而許多方法都可以取代它。我們認(rèn)為 Squared Euclidean distance是代替它的最好方法。理由如下：
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1